Animal Density and Track Counts: Understanding the Nature of Observations Based on Animal Movements
Notice bibliographique
Résumé
Counting animals to estimate their population sizes is often essential for their management and conservation. Since practitioners frequently rely on indirect observations of animals, it is important to better understand the relationship between such indirect indices and animal abundance. The Formozov-Malyshev-Pereleshin (FMP) formula provides a theoretical foundation for understanding the relationship between animal track counts and the true density of species. Although this analytical method potentially has universal applicability wherever animals are readily detectable by their tracks, it has long been unique to Russia and remains widely underappreciated. In this paper, we provide a test of the FMP formula by isolating the influence of animal travel path tortuosity (i.e., convolutedness) on track counts. We employed simulations using virtual and empirical data, in addition to a field test comparing FMP estimates with independent estimates from line transect distance sampling. We verify that track counts (total intersections between animals and transects) are determined entirely by density and daily movement distances. Hence, the FMP estimator is theoretically robust against potential biases from specific shapes or patterns of animal movement paths if transects are randomly situated with respect to those movements (i.e., the transects do not influence animals' movements). However, detectability (the detection probability of individual animals) is not determined simply by daily travel distance but also by tortuosity, so ensuring that all intersections with transects are counted regardless of the number of individual animals that made them becomes critical for an accurate density estimate. Additionally, although tortuosity has no bearing on mean track encounter rates, it does affect encounter rate variance and therefore estimate precision. We discuss how these fundamental principles made explicit by the FMP formula have widespread implications for methods of assessing animal abundance that rely on indirect observations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».